準確率關注整體效果，只適合均衡的資料。準確率公式如下：
a cc
urac
y=預測
正確的樣
本數總樣
本數
accuracy=\frac
accura
cy=總
樣本數預
測正確的
樣本數
資料不均衡時使用以下的評價指標。
精確率關注模型**得準不准。精確率公式如下：
p re
cisi
on=預
測正確的
樣本數預
測出來的
樣本
數precision=\frac
precis
ion=
**出來
的樣本數
**正確
的樣本數
召回率關注模型**得全不全。召回率公式如下：
r ec
all=
預測正確
的樣本數
標註的樣
本數
recall=\frac
recall
=標註的
樣本數預
測正確的
樣本數
f1是乙個綜合評價指標，同時考慮了精確率（precision）與召回率（recall）。f1的公式如下：
f 1=
2pre
cisi
on×r
ecal
lpre
cisi
on+r
ecal
lf1=\frac
f1=pre
cisi
on+r
ecal
l2pr
ecis
ion×
reca
ll
分別計算每類標籤的評價指標，然後作算術平均。
1、latex公式-katex解析
統計自然語言處理 文字分類
文字表示有向量空間模型，片語表示法，概念表示法 目前文字通常採用向量空間模型表示 向量空間模型 vsm 給定乙個文件d t1，w1 t2，w2 tn，wn d符合以下兩條約定 1 各個特徵項tk 1 k n 互異 即沒有重複 2 各個特徵項tk無先後順序關係 即不考慮文件的內部結構 在以上兩個約定下...
自然語言處理 搭建文字分類器
乙個完整的文字分類器主要由兩個階段，一是將文字向量化，將乙個字串轉化成向量形式 二是將向量喂到分類器，包括svm,cnn，lstm等等。這邊做的專案其實階段用的是 tf idf 來進行文字向量化，使用卡方校驗 chi square 來降低向量維度，使用liblinear 採用線性核的svm 來進行分...
NLP自然語言處理
第1部分自然語言處理入門 1.1自然語言處理入門.mp4 第2部分hmm和crf 1.1crf模型簡介.mp4 1.1hmm模型介紹.mp4 1.2文字處理的基本方法 part1.mp4 2.1新聞主題分類任務 第4步 part2.mp4 第43部分rnn 1.1rnn模型小結.mp4 1.1rnn...